赵 一 兵， 张 明 恒， 郭 烈， 李 琳 辉

（大连理工大学 汽车工程学院，辽宁 大连 116024）

0 引 言

无人驾驶车行驶道路上的障碍物检测是其周边环境感知技术研究领域中的重要组成部分，尤其在越野条件下的环境感知，这些年来已成为一个研究热点.要想在远离公路的环境实现UGV的自动驾驶并完成相关任务，实现对环境的可靠感知是必须解决的最具挑战性的技术问题.无人驾驶车必须了解岩石、斜坡、树木、礁石、坑洞等的几何特点，以及植被、空中的浑浊物、水和泥浆等物质的非几何特点，才能做到在室外复杂地形环境下应付自如［1］.

在越野环境中，灌木丛或高草作为最常见的障碍物，对UGV的最佳路径选择起着至关重要的作用，例如当前目标为灌木丛或高草，UGV越障与否取决于其当前是否“无路可走”，是则强行通过，但其越障的代价较高，否则避开该类障碍，重新选择最佳路径.美国JPL在DEMO－III计划中，基于颜色信息设计了地域类型分类器，主要包括识别绿色草木、干枯草木、土壤、岩石和其他类（不属于以上4种类别的地域类型）.他们基于贝叶斯原理，选用混合高斯模型代表不同类型的似然函数，再依据最大期望值训练其各模型参数，最后融合障碍的纹理形状信息最终确定障碍目标类别［2］.经过大量样本训练，JPL的 DEMO－III无人驾驶车能够将草木类障碍很好地识别出来，但不足之处在于：若仅依靠颜色和纹理信息不能很好地区分草地和灌木丛或高草，前者对无人驾……